利用稀疏有理分解与局部 Gabor 二值模式特征提取检测长程 EEG 记录中的癫痫发作

基于摘要分析。该研究针对长程 EEG 记录中的离线监督式癫痫发作检测，提出结合稀疏有理分解与 Local Gabor Binary Patterns（LGBP，局部 Gabor 二值模式）的特征提取方法。主要研究对象是癫痫 EEG 检测，而非 BCI 控制或意图解码。 方法先使用一组最优系数，将每个 EEG 通道分解为 8 个稀疏有理分量，再应用修改后的 1D LGBP 算子并进行下采样。随后，对 23 个通道的全部 8 个分量计算最大 LGBP 的宽度，以 23 × 8 个特征表征每个一秒 EEG 片段。摘要未说明系数优化准则、算子修改细节、下采样参数及“最大 LGBP 宽度”的精确定义，这些实现条件尚需正文核对。 作者在 CHB-MIT Scalp EEG database 的 163 小时记录上进行比较，并使用每位患者早期 EEG 记录的 25% 训练不同分类器，属于患者特异性评估。作者报告，癫痫 EEG 片段检测的总体 Sensitivity 为 70.4%，总体 Specificity 为 99.1%；发作起始检测的总体 Sensitivity 为 91.13%，平均每小时误报 0.35 次。片段检测与发作起始检测的统计对象不同，不能将两组 Sensitivity 视为同一指标。作者称该方法优于其他专用技术，但摘要未列出分类器、对照方法及各自结果。 复现重点包括早期训练数据与其余记录的划分、发作片段标注、特征提取参数，以及从片段预测形成起始事件和误报事件的规则。被试数、测试记录构成、事件匹配容差、检测延迟、消融及统计信息尚未验证。现有证据支持将其视为患者特异性离线癫痫检测的候选特征方案，不足以确认跨被试、跨会话或在线运行效果。